La informática suele ser celebrada por su precisión y velocidad. Pero los investigadores y los operadores de centros de datos a hiperescala advierten sobre una amenaza creciente que desafía una de las promesas centrales de la informática: la corrección. El problema se conoce como corrupción de datos silenciosa (SDC): un engendro en el que los defectos de hardware hacen que los programas produzcan resultados incorrectos sin patinar, provocar un error o dejar ningún rastra visible.

La amenaza invisible en el interior de los chips modernos

El centro de la preocupación son los defectos de silicio en las CPU, GPU y aceleradores de IA. Estos defectos pueden originarse durante el diseño y la fabricación del chip o incluso desarrollarse más tarde conveniente al envejecimiento o factores ambientales. Si aceptablemente los fabricantes buscan la mayoría de las fallas, incluso las pruebas de producción más rigurosas solo pueden detectar aproximadamente entre el 95% y el 99% de los defectos modelados. Algunos chips defectuosos inevitablemente llegan al campo.

En determinados casos, esos defectos provocan fallos visibles, como caídas del sistema. Pero lo más preocupante son los errores silenciosos. En este caso, una puerta dialéctica o una mecanismo aritmética defectuosa puede producir un valencia incorrecto durante la ejecución. Si ese valencia se propaga a través del software sin activar mecanismos de detección, el sistema completa la tarea y devuelve un resultado incorrecto, sin indicación de que poco salió mal.

Durante décadas, muchos creyeron que los COSUDE eran eventos raros, casi míticos. Sin retención, los principales operadores de hiperescala, incluidos Meta, Google y Alibaba, han revelado que aproximadamente una de cada 1.000 CPU de sus flotas puede producir corrupciones silenciosas bajo ciertas condiciones. Se han informado preocupaciones similares en las GPU y los aceleradores de IA.

La corrección es una propiedad fundamental de la informática. Ya sea procesando transacciones financieras, ejecutando inferencias de IA o administrando infraestructura, se prórroga que los sistemas entreguen resultados precisos en el interior de estrictas limitaciones de tiempo.

La corrupción silenciosa socava esa confianza. A diferencia de los accidentes, que son inmediatamente visibles y requieren una investigación, los SDC alteran silenciosamente los resultados. En los centros de datos que operan con millones de núcleos, incluso una pequeña tasa de defectos puede traducirse en cientos de resultados incorrectos de programas por día.

La escalera de la informática moderna intensifica el problema

Las arquitecturas paralelas masivas, como las GPU y los aceleradores de IA, contienen miles de unidades aritméticas. Cuantos más componentes incluya un sistema, viejo será la probabilidad estadística de que algunos sean defectuosos.

Determinar directamente a los países en mejora es casi irrealizable: por definición, guardan silencio. Por lo tanto, la industria debe estimar sus tasas y considerar el costo de la prevención. Existen mecanismos de detección y corrección, pero pueden aumentar significativamente el ámbito de silicio, el consumo de energía y la sobrecarga de rendimiento.

Los investigadores exigen soluciones multicapa, incluidas pruebas de fabricación mejoradas, monitoreo a nivel de flota en centros de datos, modelos de estimación de fallas más inteligentes y enfoques de codiseño de hardware y software que contengan errores ayer de que se propaguen.

A medida que los sistemas informáticos crecen y son más rápidos, el desafío es claro: proseguir tanto la velocidad como la corrección sin costos insostenibles. En lo que algunos describen como la “Antigüedad de Oro de la Complejidad”, avalar que la informática siga siendo confiable puede convertirse en una de las batallas de ingeniería decisivas de la industria.